Tactile Exploration专业
触觉好奇心驱动机器人交互:TacEx框架用触觉不确定性引导探索
TacEx是一个预印本框架,通过将模型认知不确定性按视觉、触觉和潜变量分解并加权触觉项,让机器人在无任务奖励的探索阶段主动寻求接触。在仿真中,纯触觉探索实现了零奖励涌现抓取,采集的接触密集数据支持离线训练抓放策略;在LIBERO-90八个接触丰富任务上,用触觉不确定性引导冻结VLA的扩散后训练,成功率高于DSRL-SAC基线。该工作表明触觉不仅是观测模态,也是高效的探索信号。
机器人与具身智能领域的最新论文,以及每篇对产业的意义。
TacEx是一个预印本框架,通过将模型认知不确定性按视觉、触觉和潜变量分解并加权触觉项,让机器人在无任务奖励的探索阶段主动寻求接触。在仿真中,纯触觉探索实现了零奖励涌现抓取,采集的接触密集数据支持离线训练抓放策略;在LIBERO-90八个接触丰富任务上,用触觉不确定性引导冻结VLA的扩散后训练,成功率高于DSRL-SAC基线。该工作表明触觉不仅是观测模态,也是高效的探索信号。
论文来自 arXiv 机器人领域。尚未生成摘要的论文,显示摘要开头部分。